Docker 部署 OCRmyPDF、提取PDF内容
一、镜像导入
# 拉取镜像
docker pull jbarlow83/ocrmypdf# 导出镜像
docker save -o /data/ocrmypdf/ocrmypdf.tar jbarlow83/ocrmypdf:latest
# 导入镜像
docker load -i ocrmypdf.tar二、调取镜像
# 【调用镜像】（以下2选1）# 1-执行后删除容器【官方推荐】
docker run --rm -it -v /data:/data jbarlow83/ocrmypdf /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim# 2-保留容器
docker run -itd -v /data:/data --name="zc-pdfocr-1" --entrypoint python -p 5000:5000 jbarlow83/ocrmypdf webservice.py# 固定容器名称调用
docker exec zc-pdfocr-1 ocrmypdf /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim以上完成了：【图片类型的pdf】 向 【文本类型的pdf】 的转换。
至此，可以二次调用 PdfToContent 方法，进行PDF内容的提取。
三、拓展：PdfToContent (golang抽取pdf内容)
package pdfimport ("bytes""github.com/ledongthuc/pdf"
)func PdfToContent(filePath string) (result string, err error) {f, r, err := pdf.Open(filePath)// remember close fileif err != nil {return}defer f.Close()var buf bytes.Bufferb, err := r.GetPlainText()if err != nil {return}_, err = buf.ReadFrom(b)if err != nil {return}result = buf.String()return
}